MathCad_Labs
.pdf16.X - выборка из нормального распределения Na,σ2 , где a = −5,
σ= 2.
17.X - выборка из распределения Фишера Fk,m, где параметрами k = 6, m = 4.
18.X - выборка из распределения Стьюдента Tk, где k = 10.
19.X - выборка из логнормального распределения с параметрами a = −5, σ = 3.
20.X - выборка из бета-распределения βm,n, где m = 5, n = 5.
11
Лабораторная работа 2. Точечное оценивание
Пусть имеется выборка X = (X1, . . . , Xn) из параметрического семейства распределения Fθ с неизвестным параметром θ Θ (этот параметр может быть как скалярной так и векторной величиной). Необходимо получить оценку параметра θ - величину θ .
2.1Метод моментов
Метод моментов заключается в следующем - любой момент случайной величины ξ зависит, часто функционально, от параметра распределения θ. Но тогда и параметр θ может оказаться функцией от теоретического момента k - го порядка. Подставив в эту функцию вместо неизвестного теоретического момента его выборочный аналог, получим вместо параметра θ оценку θ .
Так, например, можно оценить параметры a и σ нормального распределения следующим образом:
Известно, что для нормального распределения математическое ожидание и дисперсия равны соответственно:
Eξ = a, Dξ = σ2.
Вычислив по заданной выборке X из нормального распределения выборочные аналоги математического ожидания и дисперсии (выборочное среднее X и выборочную дисперсию s2), получаем следующие точечные оценки a и σ:
√
a = X, σ = s2.
12
2.2Метод максимального правдоподобия
Этот метод заключается в том, что в качестве "наиболее правдоподобной" оценки параметра θ берут значение, максимизирующее вероятность получить при n опытах данную выборку X = (X1, . . . , Xn).
Обозначим
(
fθ(x) =
плотность fθ(x) распределения Fθ, если оно абс. непрерывно, Pθ(X = x), если распределение Fθ дискретно.
Функцией правдоподобия называется функция
f(X, θ) = fθ(X1) · ... · fθ(Xn).
Логарифмической функцией правдоподобия назовем
L(X, θ) = ln f(X, θ).
Оценкой максимального правдоподобия θ неизвестного параметра θ называется такое значение θ, на котором f(X, θ) достигает максимума.
Заметим, что функции f(X, θ) и L(X, θ) достигают максимума в одних и тех же точках, поэтому в качестве оценки максимального правдоподобия можно брать и точку максимума функции L(X, θ). Зачастую удобнее максимизировать именно логарифмическую функцию правдоподобия.
Приведем пример построения точечной оценки методом максимального правдоподобия.
Пусть имеется выборка объема n = 200 из нормального распределения Na,σ с известным среднеквадратическим отклонением σ = 3. Требуется методом максимального правдоподобия оценить параметр a. На рис. 2.1 приведен текст программы, реализующей метод максимального правдоподобия для данной задачи в среде Mathcad.
13
Рис. 2.1. Нахождение точечной оценки параметра a для распределения Na,σ методом максимального правдоподобия
2.3Задание к лабораторной работе
Сгенерировать выборку из 100 элементов, имеющих указанное в вашем варианте распределение (см. Приложение А). Считая один из параметров распределения неизвестным, найти его точечную оценку:
а) методом моментов (c помощью указанных в задании моментов); б) методом максимального правдоподобия.
Построить график функции правдоподобия и убедиться, что найденная с помощью метода максимального правдоподобия оценка действительно является точкой максимума функции правдоподобия.
14
Сравнить полученные точечные оценки с истинным значением параметра распределения.
Указания: при реализации метода максимального правдоподобия можно пользоваться встроенными функциями для решения нелинейных уравнений (блок Given/Minerr, Given/Find). При этом начальные значения определять по графику функции правдоподобия или логарифмической функции правдоподобия.
Варианты заданий
1.X - выборка из показательного распределения Eλ, где λ = 2. Найти оценку параметра λ, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядка.
2.X - выборка из биномиального распределения Bpn, где p = 0.6, n = 50. Найти оценку параметра p, считая его неизвестным. Метод мо-
ментов реализовать с помощью момента 1-го порядка.
3.X - выборка из распределения Фишера Fk,m, где k = 2, m = 10. Найти оценку параметра k, считая его неизвестным. Метод моментов реализовать с помощью момента 2-го порядка.
4.X - выборка из распределения Пуассона Πλ, где λ = 3. Найти оценку параметра λ, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядков.
5.X - выборка из биномиального распределения Bpn, где p = 0.7, n = 40. Методом моментов найти оценку параметра n, считая его неизвест-
ным. Реализовать этот метод с помощью моментов 1-го и 2-го порядков. Методом максимального правдоподобия найти оценку параметра p, считая его неизвестным.
6.X - выборка из бета-распределения βm,n, где m = 2, n = 3. Найти оценку параметра m, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядка.
7.X - выборка из геометрического распределения Gp с параметром p = 0.6. Найти оценку параметра p, считая его неизвестным. Метод моментов реализовать с помощью момента 1-го порядка.
8.X - выборка из гамма-распределения 1,λ, где λ = 5. Найти оценку параметра λ, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядков.
9.X - выборка из показательного распределения Eλ, где λ = 4. Найти оценку параметра λ, считая его неизвестным. Метод моментов реализо-
15
вать с помощью моментов 1-го и 2-го порядка.
10.X - выборка из биномиального распределения Bpn, где p = 0.9, n = 30. Найти оценку параметра p, считая его неизвестным. Метод мо-
ментов реализовать с помощью момента 1-го порядка.
11.X - выборка из распределения Фишера Fk,m, где k = 3, m = 5. Найти оценку параметра m, считая его неизвестным. Метод моментов реализовать с помощью момента 1-го порядка.
12.X - выборка из распределения Пуассона Πλ, где λ = 2. Найти оценку параметра λ, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядков.
13.X - выборка из биномиального распределения Bpn, где p = 0.8, n = 50. Методом моментов найти оценку параметра n, считая его неизвест-
ным. Реализовать этот метод с помощью моментов 1-го и 2-го порядков. Методом максимального правдоподобия найти оценку параметра p, считая его неизвестным.
14.X - выборка из распределения χ2k, где k = 3. Найти оценку параметра k, считая его неизвестным. Метод моментов реализовать с помо-
щью моментов 1-го и 2-го порядков.
15.X - выборка из геометрического распределения Gp с параметром p = 0.2. Найти оценку параметра p, считая его неизвестным. Метод моментов реализовать с помощью момента 1-го порядка.
16.X - выборка из гамма-распределения 1,λ, где λ = 0.7. Найти оценку параметра λ, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядков.
17.X - выборка из бета-распределения βm,n, где m = 4, n = 5. Найти оценку параметра n, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядка.
18.X - выборка из выборка из показательного распределения Eλ, где
λ= 3. Найти оценку параметра λ, считая его неизвестным. Метод моментов реализовать с помощью моментов 1-го и 2-го порядка.
19.X - выборка из распределения Фишера Fk,m, где k = 4, m = 4. Найти оценку параметра k, считая его неизвестным. Метод моментов реализовать с помощью момента 2-го порядка.
20.X - выборка из распределения χ2k, где k = 5. Найти оценку параметра k, считая его неизвестным. Метод моментов реализовать с помо-
щью моментов 1-го и 2-го порядков.
16
Лабораторная работа 3. Интервальное оценивание
3.1Понятие доверительного интервала
Пусть имеется выборка X = (X1, . . . , Xn) из распределения Fθ с неизвестным параметром θ Θ R. Задача интервального оценивания заключается в том, чтобы найти интервал, который накрывает оцениваемый параметр с заданной наперед вероятностью.
Интервал (θ−, θ+) называется доверительным интервалом для параметра θ уровня доверия 1 − ε, если для любого θ Θ
Pθ(θ− < θ < θ+) ≥ 1 − ε |
(3.1) |
Если в соотношении (3.1) вероятность в точности равна 1 − ε (или стремится к 1 − ε), то интервал называют точным (или асимптотически точным) доверительным интервалом уровня доверия 1 − ε.
3.2Построение точных доверительных интервалов для параметров нормального распределения
Пусть X = (X1, . . . , Xn) - выборка объема n из нормального распределения Na,σ2 . Рассмотрим возможные задачи интервального оценивания:
1.Пусть известно σ2, а a R - неизвестный параметр. Требуется построить точный доверительный интервал для параметра a.
Pa,σ2 X − |
−√n· |
|
< a < X + |
1−√n· |
! |
= 1 − ε, |
(3.2) |
||||||||
|
|
|
τ1 |
ε/2 |
σ |
|
τ |
ε/2 |
σ |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где τ1−ε/2 - квантиль уровня 1 − ε/2 стандартного нормального распределения (см. Приложение Б, таблица 1).
17
2.Пусть известен параметр a, требуется построить доверительный интервал для σ2.
!
n · s2 n · s2
Pa,σ2 g2 1 < σ2 < g1 1 = 1 − ε, (3.3)
где s21 - выборочная дисперсия, g1 и g2 - квантили распределения "хи-
квадрат" с n степенями свободы (χ2α,n) уровня α = ε/2 и α = 1−ε/2 соответственно (см. Приложение Б, таблица 3).
3. Доверительный интервал для σ2 при неизвестном a: |
|
|||||||||||||
Pa,σ2 |
( |
−g2 |
· |
0 |
< σ2 |
< |
|
−g1 |
· |
0 |
! |
= 1 − ε, |
(3.4) |
|
|
|
n |
1) |
|
s2 |
|
|
(n |
1) |
|
s2 |
|
|
|
где s20 - несмещенная выборочная дисперсия.
4. Доверительный интервал для a при неизвестном σ2:
Pa,σ2 X − |
− |
√n |
· |
|
< a < X + |
√n |
· |
! |
= 1 − ε, (3.5) |
|||||||||
|
|
|
t1 |
|
ε/2,n−1 |
|
s0 |
|
|
|
t1−ε/2,n−1 |
|
s0 |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где t1−ε/2,n−1 - квантиль распределения Стьюдента с n − 1 степенью свободы уровня 1 − ε/2 (см. Приложение Б, таблица 2).
Приведем пример построения доверительного интервала.
Пусть имеется выборка объема N из нормального распределения, для которого известен параметр σ2 = 4, а параметр a неизвестен. Требуется построить точный доверительный интервал для параметра a. На рис. 3.1 приведен текст программы, реализующей метод построения доверительного интервала в среде Mathcad.
18
Рис. 3.1. Построение доверительного интервала для параметра a нормального распределения при известном σ.
3.3Задание к лабораторной работе
Даны две выборки одной случайной величины с нормальным распределением Na,σ2 объема n1 и n2 соответственно.
Для вариантов с нечетным номером:
1. Для обеих выборок построить точный доверительный интервал уровня доверия q0 для параметра a, считая:
а) σ неизвестным, б) σ известным и равным σ0.
19
2. В одной системе координат построить графики зависимости длины доверительного интервала от уровня доверия q для всех четырех случаев (объем выборки равен n1, σ неизвестно; объем выборки равен n1, σ известно; объем выборки равен n2, σ неизвестно; объем выборки равен n2, σ известно). При этом q придать минимум 50 разных значений через равные промежутки.
Проанализировать взаимное расположение полученных графиков и объяснить его.
Для вариантов с четным номером:
1.Для обеих выборок построить точный доверительный интервал уровня доверия q0 для параметра σ2, считая:
а) a неизвестным,
б) a известным и равным a0.
2.В одной системе координат построить графики зависимости длины доверительного интервала от уровня доверия q для всех четырех случаев (объем выборки равен n1, a неизвестно; объем выборки равен n1, a известно; объем выборки равен n2, a неизвестно; объем выборки равен n2, a известно). При этом q придать минимум 50 разных значений через равные промежутки.
Проанализировать взаимное расположение полученных графиков и объяснить его.
Указания: Выборки необходимо считать с двух текcтовых файлов - "di-V.txt"и "di-V-1.txt"(V - номер вашего варианта).
Для написания программы можно пользоваться следующими встроенными функциями: функцией length(x) для определения объема выборки, функциями для нахождения значений квантилей распределений - qnorm(p, a, σ) (возвращает значение квантиля нормального распределения N, a, σ2 уровня p), qchisq(p, d) (возвращает значение квантиля распределения "хи-квадрат" c d степенями свободы уровня p), qt(p, d) (возвращает значение квантиля распределения Стьюдента с d степенями свободы уровня p). Остальные статистические функции должны быть запрограммированы.
Варианты заданий
1.σ0 = 2, q0 = 0.9
2.a0 = 0, q0 = 0.8
3.σ0 = 3, q0 = 0.7
20